Engram 发首篇博客：原生记忆让 Agent 越用越省 Token

Engram（EngramLab）——由前 Cognition 研究员 Sabri Eyuboglu 创办的记忆初创——发布首篇研究博客《Understanding a Law Firm through Study》，展示了具备「原生记忆」能力的 Agent。研究让 Qwen 模型系统性研读一个约 1 亿 token 的合成律所数据集，模拟人类专家的学习方式；结果显示记忆的使用显著节省推理 token 并产出更优答案，是记忆方向创业的代表性早期证据。

已确认

• 博客核心做法：让模型通过「研究」其所在环境（如理解一家律所）来训练原生记忆，自然整合权重知识、文本文件、RL 训练等多种记忆形式，而非单纯依赖权重或外部笔记系统。
• 主要发现：记忆的使用显著节省推理 token（反复研读同一律所文档时推理 token 越用越少），并能产出更优答案；模型自生成训练数据并从中学习已被验证可行；记忆还让模型学会更定向、高效地使用搜索工具，提升每 token 的智能水平，对个性化和知识召回亦有意义。
• 模型在未经特定训练的情况下已显现部分上述能力。

为什么重要

• Sharif Shameem 评价图表「令人震惊」，认为让模型研究环境是在长尾现实任务中获得能力飞跃的关键路径。
• 若记忆能让未来智能体无需每次从零开始工作，对个性化、知识召回与智能体搜索效率均有直接意义。

2026-08-18 ~ 2026-08-18 · 5 条相关

• 【源头】Engram 展示具备原生记忆能力的 Agent — realJessyLin · 2026-08-18
• Agent 原生记忆：模型自生成数据初显效 — realJessyLin · 2026-08-18
• 研究博客：原生记忆如何提升智能体搜索效率 — realJessyLin · 2026-08-18
• Engram 研究：通过“研究环境”提升长尾任务能力 — soumitrashukla9 · 2026-08-18
• Engram 研究：让 Qwen 反复研读律所文档，推理 token 越用越少 — simran_s_arora · 2026-08-18